過去一年，智能輔助駕駛行業(yè)呈現(xiàn)出冰火兩重天的局面。

輔助駕駛從可用邁向好用，在消費者購車決策中的權(quán)重越來越高。成熟的方案也帶來成本下探的機會，L2+撕掉高端車型專屬標簽，向中低端市場普及，讓“平權(quán)”從口號宣傳變成行業(yè)共識。

同一時期，技術(shù)路線開始加速收斂，端到端與多模態(tài)大模型成為新賽點，想留在牌桌上的公司都必須全力以赴。

競爭越發(fā)殘酷，頭部陣營呈現(xiàn)雛形，在這樣一個看似并不適合入局的時間節(jié)點，37歲的印奇開始了他的新事業(yè)。

作為AI 1.0時代的親歷者，印奇在2011年創(chuàng)立曠視科技，此后迅速躋身中國AI獨角獸公司。在人工智能的探索道路上，印奇這個技術(shù)派幾乎從未止步。

隨著一家名為千里科技的公司浮出水面，印奇帶著對技術(shù)、商業(yè)與產(chǎn)業(yè)的深刻復盤，毅然扎進汽車智能化的戰(zhàn)局。

一切的起點，要回到四年前的那個夏天。

多方割據(jù)的戰(zhàn)局

2021年7月，特斯拉FSD Beta V9.0面向美國用戶開啟小范圍推送，這比原定時間晚了整整三個月。

如馬斯克所言，V9版本實現(xiàn)了“重大架構(gòu)調(diào)整”，徹底拋棄毫米波雷達，轉(zhuǎn)向純視覺路線。而硬件削減非但沒有讓效果打折，反而開創(chuàng)了月費199美元的訂閱模式。

一個月后的AI Day，特斯拉完整展示了自己最核心的秘密：

基于BEV+Transformer架構(gòu)，多個攝像頭感知到的2D圖像可以拼接成一個連貫的3D鳥瞰圖，更貼近人眼觀察的世界。同時由于融入時序信息，F(xiàn)SD對corner case（長尾場景）的感知和預測能力大幅提高。

感知模塊的大模型化，意味著系統(tǒng)開始學會總結(jié)歸納。這一天也成為L2+智能輔助駕駛技術(shù)發(fā)展的分水嶺。

FSD跳過V8.x版本直接發(fā)布了V9.0版本

傳統(tǒng)智駕系統(tǒng)基于模塊化設(shè)計，即“感知-規(guī)劃-控制”模塊各司其職，接力完成駕駛?cè)蝿?。感知問題不解決，規(guī)控能力就無從談起。

過去很長一段時間里，工程師投入大量的時間和精力，只將感知算法的精度提高了一點點。早期觀點普遍認為，被傳感器武裝到牙齒的L4級自動駕駛會先一步落地，背后思路正是通過硬件堆砌，降低算法層面的開發(fā)難度。

2021年行業(yè)風向陡然轉(zhuǎn)變，特斯拉FSD引入大模型成為漸進式路線的教科書，不僅車企爭相效仿，很多在L4市場埋頭苦干的公司也意識到，降維打造可量產(chǎn)的L2+方案大有可為。

結(jié)合機構(gòu)測算，智能輔助駕駛系統(tǒng)的軟件價值占整車比重會持續(xù)提高，未來有望超過4成。這一趨勢不僅促使ADAS成為激光雷達最大的應用市場，某種程度上也動搖了傳統(tǒng)L2巨頭的地位。

智能輔助駕駛的競爭地圖上自此形成多股互不相讓的力量。

一類以特斯拉為代表，自研芯片、算法并自建超算中心，通過高程度的垂直整合，掌控從硬件到軟件的全部價值鏈。

并非所有車企都有強大的垂直整合能力。因此，第三方供應商紛紛從幕后走向臺前，成為左右戰(zhàn)局的核心變量。

其中既有提供系統(tǒng)打包方案的芯片制造商，代表是Mobileye。也有L4和L2兩條腿走路的算法提供商，比如Momenta。最后一類，是完整經(jīng)歷了AI1.0技術(shù)周期的創(chuàng)業(yè)者。

以計算機視覺算法見長的曠視科技曾在2019年展示過車載視覺解決方案，當時更多聚焦于艙內(nèi)交互。隨著BEV+Transformer架構(gòu)基本確立，創(chuàng)始人印奇意識到這是入局智能輔助駕駛行業(yè)的最佳時機。

在L2+和L4自動駕駛領(lǐng)域，攪局者眾多，但真正能改變戰(zhàn)局的人恐怕寥寥無幾。無數(shù)故事懸而未決，印奇想成為后者。

AI產(chǎn)業(yè)先鋒進場

大約十年前，印奇意識到軟硬一體的重要性，無論是后來提出 “算法定義硬件” 還是堅信的“AI in Physical”，本質(zhì)都是軟硬件協(xié)同形成閉環(huán)，發(fā)揮算法優(yōu)勢，掌握迭代節(jié)奏，用快打慢。

在眾多充滿誘惑力的選項里，高度追求軟硬一體能力的智能輔助駕駛，成為了印奇的最終歸宿。

2025年初，印奇首次以千里科技董事長身份亮相，在短短不到一年的時間里，錨定AI+車戰(zhàn)略，完成覆蓋智能輔助駕駛、智能座艙、智能出行等多點布局。

這種“千里速度”的背后，是天時地利人和的綜合結(jié)果。以智能輔助駕駛為代表，算法的演進、政策的驅(qū)動、產(chǎn)業(yè)鏈的成熟與分工恰好對應這三項。

2023年ChatGPT爆火后，端到端+VLM（視覺語言模型）逐漸成為智駕系統(tǒng)的主流方案。相比分工明確且依賴代碼規(guī)則的模塊化架構(gòu)，端到端，顧名思義是通過一個神經(jīng)網(wǎng)絡(luò)將傳感器數(shù)據(jù)直接轉(zhuǎn)化為車輛操作指令。

雖然代碼節(jié)省了千千萬，但黑箱問題也很明顯。引入VLM大模型的好處是提供了解釋空間，也提高了感知理解能力。比如，系統(tǒng)既能“看到”又能“理解”施工標志和警示牌的含義。

好用的模型往往要經(jīng)歷一個過程：在云端預訓練大模型，然后將車端高質(zhì)量駕駛數(shù)據(jù)投喂給云端，結(jié)合仿真數(shù)據(jù)微調(diào)大模型，最后OTA給車端小模型。

強化學習（RL）是訓練高質(zhì)量模型必不可少的“教練”，主要用于微調(diào)環(huán)節(jié)，核心是設(shè)置獎勵函數(shù)，用AI教AI。具體地說，基于云端生成的虛擬corner case場景，模型可以不斷試錯，完成自我進化。

算法的躍進帶來了更智能的體驗和更快的迭代速度，推動智能輔助駕駛進入強算法時代。

這一趨勢下，政策也敞開懷抱，隨著L3級車型合法上路提上日程，軟件加速重構(gòu)汽車價值。重慶作為老牌汽車工業(yè)重鎮(zhèn)，轉(zhuǎn)型決心有目共睹，不斷釋放“軟”實力，成為千里科技迅速成長的倚仗。

多模態(tài)大模型+強化學習將是未來必不可少的能力

當智能汽車取代傳統(tǒng)汽車成為主流趨勢，合縱連橫的生態(tài)就替代單打獨斗的制造能力成為更高的壁壘。

基于這一點，千里科技聯(lián)合階躍星辰和吉利汽車組建合作聯(lián)盟，共同推動“AI+車”戰(zhàn)略，其中千里科技和階躍星辰聯(lián)合研發(fā)了千里智駕RLM大模型。

9月28日的發(fā)布會記錄下了經(jīng)典一幕，李書福緊緊握住印奇的手，期許著這位年輕后輩能帶領(lǐng)千里科技創(chuàng)造未來。

當天上午，一場以“AI+車,邁向智能網(wǎng)聯(lián)新能源汽車之都”為主題的高端對話中，長安汽車集團董事長朱華榮、賽力斯集團董事長張興海、吉利控股集團董事長李書福、千里科技董事長印奇悉數(shù)到場。

三家占據(jù)國內(nèi)汽車銷量近1/3的頭部車企與千里科技聚首重慶，風向標意義極為濃厚。

從電動化到智能化的下半場已然成為行業(yè)共識，對車企而言，基于AI衍生的智能化體驗，既是消費者購車決策中的關(guān)鍵因素，也是車企產(chǎn)品定義中舉足輕重的組成部分，其定位已經(jīng)從純粹的“輔助功能”，變成了產(chǎn)業(yè)進步的底層引擎。

而對千里科技來說，智能化下半場大幕的拉開，同樣意味著純粹的“技術(shù)供應商”已經(jīng)難以滿足終端市場的需求，能夠整合產(chǎn)業(yè)資源、驅(qū)動行業(yè)范式變遷的“平臺型玩家”，才是自己需要扮演的角色。

智能汽車的開發(fā)是一個極其復雜的系統(tǒng)工程，平臺型公司可以提供一套完整的解決方案，從算法、數(shù)據(jù)到算力，大幅縮短新車研發(fā)周期，適應更快的迭代速度和打法。

這也是千里科技要成為平臺級AI公司的原因——在“AI重構(gòu)汽車”的浪潮下，為行業(yè)提供規(guī)?；悄芙鉀Q方案。

不久前，千里科技獲得奔馳的13億元投資，汽車智能化朋友圈不斷擴大。

在智能輔助駕駛這條賽道上，新面孔和老玩家的身份其實并不重要，看準方向、備足彈藥的后發(fā)者，可能會有更多收獲。

后來者也有機會

對于千里科技的定位，印奇有一個高度概括的描述：一家具有深厚制造業(yè)基因的企業(yè)，正在向成為世界級科技公司的目標全力邁進。

目前千里科技已將AI觸角延伸到智能輔助駕駛和智能座艙，尤其在智能輔助駕駛領(lǐng)域，RLM（強化學習-多模態(tài)）大模型一經(jīng)發(fā)布便備受關(guān)注。

如果去年“端味”濃淡隱含技術(shù)領(lǐng)先的程度，今年多模態(tài)大模型就可以視作新的引爆點?；诙嗄B(tài)大模型的端到端智駕系統(tǒng)，是汽車行業(yè)競爭最緊張激烈的戰(zhàn)場。

從特斯拉FSD V12 摘掉“Beta”帽子 ，端到端架構(gòu)已然成為行業(yè)圣經(jīng)。主流的端到端仍然是多段式，比如感知網(wǎng)絡(luò)和決策規(guī)劃網(wǎng)絡(luò)相互獨立，就像傳話游戲中，信息輸入到輸出很可能存在偏差，且大多都有延遲。

RLM正是為了解決這個問題——一段式端到端模型擁有更高的“含模量”。在智駕系統(tǒng)中，大模型驅(qū)動的比重越高，駕駛體驗越擬人絲滑。從依賴外部裝備到輕地圖，從模塊化到端到端，首先考驗的都是大模型能力。

多模態(tài)大模型提高了端到端架構(gòu)的上限，讓車輛不僅能理解“正在發(fā)生什么”，面對未知和極端交通場景時，也能從容應對。

基于多模態(tài)大模型底座，千里科技整合通用知識和智駕垂域數(shù)據(jù)，使RLM大模型能夠?qū)崿F(xiàn)通用感知理解。而強化學習讓RLM大幅降低了觸發(fā)安全兜底規(guī)則的概率，提高駕駛博弈能力，真正學會舉一反三。

在使用過程中，防御性駕駛是RLM大模型的一個亮點，也是頭部智駕公司整齊劃一的發(fā)力點，通俗點說是讓AI學會害怕。

傳統(tǒng)智駕系統(tǒng)根據(jù)傳感器輸入信息作出判斷，對看不見的場景往往會忽略危險性。RLM基于多傳感器感知和動態(tài)場景推演，空間理解能力大幅提高。面對視野盲區(qū)，系統(tǒng)能夠進行預防性判斷，提前減速或調(diào)整車距。

面對競爭白熱化的車位到車位功能，千里科技還推出了全場景的門到門模式應戰(zhàn)。不依賴高精地圖，通過實時道路生成與理解，實現(xiàn)無感暢通駕駛。

一套好用的智能輔助駕駛系統(tǒng)背后是算法、算力和數(shù)據(jù)三要素協(xié)同，尤其在AI的“摩爾定律”規(guī)模法則（Scaling Law）下，端到端大模型的性能與模型的計算量、訓練數(shù)據(jù)量和參數(shù)規(guī)模息息相關(guān)。

這些恰恰都是千里科技的優(yōu)勢?；谂c吉利合作，千里科技擁有百萬級保有量的L2+車型數(shù)據(jù)，同時聯(lián)盟云端算力儲備超過23 EFLOPS，這個數(shù)字僅次于特斯拉，在國內(nèi)車企中排名第一。

與吉利的合作是千里科技擴大朋友圈的起點和支點，未來將輻射更多新能源汽車行業(yè)公司，使其成為真正的平臺級AI科技公司。

過去不到一年時間里，千里科技也率先交出第一份成績單，完成了在智能輔助駕駛、智能座艙和智能出行領(lǐng)域的多點布局。

按照美國銀行發(fā)布的報告，2040年全球自動/智能駕駛汽車市場規(guī)模有望增至1.2萬億美元，同時根據(jù)IHS預測，2030年全球汽車智能座艙市場規(guī)模將達到681億美元，千里科技勢必會占據(jù)一席之地。

以智能出行為例，千里科技已制定計劃，目標在未來18個月完成Robotaxi全鏈路產(chǎn)業(yè)布局。基于全球化視野，先在10座城市落地規(guī)?；腞obotaxi運營服務，在單一城市部署超過1000輛Robotaxi，跨越商業(yè)化門檻，贏取行業(yè)入場券。

除此之外，印奇還闡述了“千里計劃”（AFARI Plan），以“One Brain，One OS，One Agent”為核心愿景：構(gòu)建一個由大模型驅(qū)動的AI大腦（One Brain），打造可以整合跨設(shè)備數(shù)據(jù)的操作系統(tǒng)（One OS），最終通過超級智能助手（One Agent），實現(xiàn)無縫的跨終端、跨場景服務。

如印奇所言，汽車是AI最好的場景，很可能沒有之一。正因如此，汽車智能化的戰(zhàn)場無比殘酷，新能源車行業(yè)出清的慘烈程度遠超燃油車時代，但這并不代表后來者沒有機會。

互聯(lián)網(wǎng)的黃金十年恰恰傳遞了一個截然相反的故事，當后發(fā)者積累足夠多的思考，市場和技術(shù)會為他們創(chuàng)造更有利的條件。人們不再好奇望京會不會成為硅谷，因為科技行業(yè)跌宕起伏的故事更動人心魄。

千里科技面對的也并非逆風翻盤，而是要順勢而為，以智駕為起跑線，完成這場遠未到終局的耐力賽。

參考資料

[1]智能汽車軟件白皮書——單車價值翻倍，軟件集成服務或成主流，羅蘭貝格

[2]端到端與AI共振，智駕平權(quán)開啟新時代，國元證券

作者：黃主任

編輯：李墨天

責任編輯：黃主任

封面圖片來自ShotDeck